Lehrstuhl für Maschinelles Lernen und Maschinelles Sehen

  1. Universität
  2. Fakultäten
  3. Fakultät für Angewandte Informatik
  4. Institut für Informatik
  5. Lehrstühle und Professuren am Institut für Informatik
  6. Maschinelles Lernen und Maschinelles Sehen
  7. Team
  8. Hugo Math

Hugo Math

Externer Doktorand
Lehrstuhl für Maschinelles Lernen und Maschinelles Sehen
Telefon: +49 (821) 598 4386
E-Mail:
Raum: 1025 (N)
Adresse: Universitätsstraße 6a, 86159 Augsburg

Lebenslauf

Lebenslauf:

  • 2023 - Jetzt: Promotionsstudent an der Universität Augsburg & bei BMW in München
  • 2022 - 2023: Master of Business Administration an der IAE Dijon
  • 2018 - 2023: Master of Science in Ingenieurwissenschaften an der Polytech Dijon
 
Forschungsinteressen:
  • Deep Learning für maschinell generierte Daten
  • Selbstüberwachtes Lernen
  • Sequenzklassifikation
 
 
Forschungsinteressen:
Ich bin derzeit Doktorand an der Universität Augsburg und Teil des BMW-Förderprogramms. Mein Hauptforschungsgebiet konzentriert sich darauf, wie maschinell generierte Daten aus Autos mit Deep-Learning-Methoden zur automatisierten Fehlererkennung genutzt werden können. Dazu gehören NLP-basierte Modelle, Sequenzklassifizierungen und unüberwachtes Lernen in einem Big-Data-Umfeld.

Veröffentlichungen

2026 | 2025

2026

Hugo Math and Rainer Lienhart. 2026. Context-informed sequence classification: a multimodal approach to vehicle diagnostics. In 1st ICLR Workshop on Time Series in the Age of Large Models (ICLR 2026 TSALM Workshop), 26 April 2026, Rio de Janeiro, Brazil. OpenReview.net, Amherst, MA
PDF | BibTeX | RIS | URL

Hugo Math, Julian Lorenz and Rainer Lienhart. in press. Neuro-symbolic rule discovery: empowering LLMs with causality for vehicle diagnostics. In ICLR 2026 Workshop on Logical Reasoning of Large Language Models, 26 April 2026, Rio de Janeiro, Brazil. OpenReview.net, Amherst, MA
BibTeX | RIS | URL

Hugo Math and Rainer Lienhart. in press. Your autoregressive model already reveals the causal graph. In ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM), 10-11 July 2026, Seoul, South Korea.
BibTeX | RIS | URL

2025

Hugo Math, Rainer Lienhart and Robin Schön. 2025. Harnessing event sensory data for error pattern prediction in vehicles: a language model approach. Proceedings of the AAAI Conference on Artificial Intelligence 39, 18, 19423-19431. DOI: 10.1609/aaai.v39i18.34138
PDF | BibTeX | RIS | DOI

Hugo Math, Robin Schön and Rainer Lienhart. 2025. One-shot multi-label causal discovery in high-dimensional event sequences. In NeurIPS 2025 Workshop on CauScien: Uncovering Causality in Science, 6 December 2025, San Diego, CA, USA.
PDF | BibTeX | RIS | URL

Hugo Math and Rainer Lienhart. 2025. Towards practical multi-label causal discovery in high-dimensional event sequences via one-shot graph aggregation. In NeuRIPS2025 Workshop on Structured Probabilistic Inference & Generative Modeling: Probabilistic Inference in the Era of Large Foundation Models, 6 December 2025, San Diego, CA, USA. DOI: 10.48550/arXiv.2509.19112
PDF | BibTeX | RIS | DOI

Suche